[发明专利]一种获得基因单体型序列的方法及其应用

权利要求书

1.一种获得基因单体型序列的方法，所述方法包括步骤：

1)生成矩阵：

将基因测序原始数据进行CCS矫正，将得到的CCS序列与参考序列进行长序列比对，输出比对矩阵M，矫正纯合位点的深度小于5％的碱基，重新调整矩阵，形成粗矫正的矩阵M1；

2)分相，包括步骤：

2.1)按窗口编码归一化矩阵

编码M1，设置窗口长度与步长，每个窗口对应的矩阵横坐标为i、纵坐标为j，用w[i]表示该窗口，w[i,j]表示窗口中的每条序列对应的矩阵元素，窗口长度为win，步长为step；

窗口每滑动一步，调整当前窗口的矩阵元素，调整规则以w[i]内序列相同的行，转换为同一种比对矩阵，w[i]则形成一个新的矩阵m[i]；

当前步长内的元素被确定，m[i]步长外的元素将继续进入下一个窗口继续调整；

整个扩增子经过一步一个窗口滑动，最终形成按照“步长和窗口”编码的新的矩阵M2；

2.2)筛选杂合分相窗口

对于矩阵M2，其每一步的窗口w[i]，若窗口内每条矩阵元素w[i,j]对应的同种序列类型深度之和，只有一种超过了总深度的5％，则取消该窗口参与分相的资格；

否则若有大于5％的两种或以上序列类型，则标记为用来分相的窗口w[i]∈H；下一个被标记的窗口，和该窗口无交集；若同时相邻的窗口被标记为H，则所有的这些窗口合并为一个新的窗口w_combine[i]将重新作为一个窗口进行调整，即w_combine[i]内序列相同的行，转换为同一种比对矩阵，形成一个新的矩阵m_combine[i]，m_combine[i]∈H；

被标记的杂合窗口形成了新的杂合矩阵H；

3)相位的确定：

假设杂合矩阵H由n个被编码的窗口，矩阵的深度为d；

随后进行k轮循环分相：

随机选择k个小于d的数字，假设第t次随机选择了R，t∈random{1..k}，R∈random{0..d}，每个窗口的纵坐标为R的行，作为参考；每个窗口内均有两种最大深度的矩阵类型w[R,max,]、w[R,second,]，这两种类型哪一种和参考的相似度高，将暂时归为一类phase_temp[1],另一种归为另一类phase_temp[2]；窗口内每行根据与w[R,max,]、w[R,second,]的相似度划分类；

窗口内任一行与phase_temp[1]、phase_temp[2]相似度等于相同碱基除以窗口长度，对于每一行计算最终属于phase_temp[1]、还是phase_temp[2]的得分，公式1以p代表类，p∈{phase_temp[1],phase_temp[2]}，按照如下公式进行计算：

循环进行k轮后，以第一轮的phase_temp[1]为phase[1]，以第一轮的phase_temp[2]为phase[2]，将每轮的类phase_temp[1]、phase_temp[2]进行定相，p∈{phase1,phase2}，

最终哪个相位的得分高，矩阵中该行reads则归为该相；

4)精细分相：

对于定相后的矩阵，按照相位，分别拆分出两个新的矩阵；

新的矩阵采用步骤3)中所述方法，循环迭代进行，直到没有可用于分相的窗口；

跳出分相，得到多个一致性非常高的细分的矩阵；

5)矫正：

细分的矩阵，进一步根据矩阵总深度矫正低深度比例的元素；

6)基因分型：

合并矩阵，获得单体型序列；

所有的一致性序列均参与分型，得到每个型别的深度；当深度比例大于20或小于1/20，作为纯合子。

2.根据权利要求1所述的一种获得基因单体型序列的方法，其中所述步骤1)中的基因测序原始数据为三代基因测序原始数据。

3.根据权利要求2所述的一种获得基因单体型序列的方法，其中所述三代基因测序原始数据为Pacbio Sequel原始数据。

4.根据权利要求1所述的一种获得基因单体型序列的方法，其中所述步骤1)中的基因测序原始数据为HLA基因测序原始数据。